3. BAB 3 PERMODELAN ALIRAN BANJIR
3.4 Permodelan Aliran Banjir
3.4.2 Persiapan Input HEC-RAS
Dalam penelitian yang dilakukan kali ini bahwa secara umum untuk melakukan running dengan HEC-RAS dilakukan 3 tahapan besar, yaitu Persiapan Input Data, Proses Running, dan Pengolahan Output. Kebutuhan data untuk HEC-RAS dan proses yang dilakukan dapat dilihat pada diagram alir berikut:
Gambar 3-9 Kebutuhan Data dan Proses untuk HEC-RAS Sumber: Pengolahan Data, 2021
Untuk melakukan permodelan tersebut, dibutuhkan beberapa data yang menjadi input untuk aplikasi HEC-RAS, antara lain Raw Global Precipitation Data, Raw DEM, Geology Map, Land Use/Cover Map, dan Watershed and River Shapefile.
Data yang dibutuhkan tersebut, disediakan untuk skala setiap Sub DAS, pada bagian berikut ini akan dijelaskan sumber dari data yang didapatkan serta proses yang dilakukan agar data tersebut dapat digunakan untuk permodelan pada HEC-RAS.
3.4.2.1 Raw Global Precipitation Data
Data TRMM merupakan data hujan yang bersumber dari satelit meteorologi Tropical Rainfall Measuring Mission (TRMM) yang memiliki sensor PR (Precipitation Radar), TMI (TRMM Microwave Imager), VIRS (Visible and Infrared Scanner), CERES (Clouds and the Earth’s Radiant Energy System), dan LIS (Lightning Imaging Sensor). Data hujan yang dihasilkan oleh TRMM memiliki tipe dan bentuk yang cukup beragam yang dimulai dari level 1 sampai level 3. Level 1 merupakan data yang masih dalam bentuk raw dan telah dikalibrasi dan dikoreksi geometrik,
Combine data and Convert to netCDF format Raw Global
Precipitation Data
Gridded Precipitation
Data
Raw DEM Data (DEMNAS)
Canopy and Hydraulic Correction
Terrain Data Data
Geology Map
Land Use/
Cover Map
Infiltration Rate, Curve Number, Abtraction Ratio
Manning Coefficient, Impervious Percentage
Infiltration Layer
Land Use Layer
Watershed and River Shapefile
Mesh and Calculation Point
Calculation
2D Geometry Data
2D Flow Area Data
Perform Unsteady Simulation Unsteady Flow Data
• Assign Outflow Boundary Condition (Normal Depth)
• Assign Precipitation Data
Simulation Settings
• Time Window : 11 Jan – Jan
• 2021Computation Interval :5 min
• Hydrograph/Map Output Interval : 5 min
Model Output
BMP type Drainage area
Drainage
slope Impervious Hydrology soil group
Water table depth
Road buffer
Stream buffer
Building buffer surface
Vegetated
filterstrip -- <10 >0 A-D >2 <100 -- --
Wet pond >25 <15 >0 A-D >4 -- >100 --
49
Level 2 merupakan data yang telah memiliki gambaran paramater geofisik hujan pada resolusi spasial yang sama akan tetapi masih dalam kondisi asli keadaan hujan saat satelit tersebut melewati daerah yang direkam, sedangkan level 3 merupakan data yang telah memiliki nilai-nilai hujan, khususnya kondisi hujan bulanan yang merupakan penggabungan dari kondisi hujan dari level 2.
Data hujan TRMM didapatkan dari website giovanni.gsfc.nasa.gov/giovanni/. Data TRMM yang didapatkan dari website tersebut merupakan data hujan yang dapat diakses secara gratis.
Data tersebut menurut klaim dari penyedia dikatakan bahwa sudah dikoreksi dengan pembacaan besaran hujan di stasiun hujan terdekat. Data yang didapatkan dari TRMM tersebut perlu dilakukan pengolahan lebih lanjut. Pengolahan tersebut berupa menyatukan data raster dari beberapa file dan menyesuaikan cakupannya menjadi sebesar daerah yang dilakukan analisis.
Proses ini dapat dilakukan dengan bantuan QGIS.
Selain menggunakan data hujan yang bersumber dari satelit, untuk melakukan permodelan HEC-RAS juga dilakukan dengan input data berupa hujan rencana. Hujan rencana merupakan perkiraan besar dari hujan yang akan terjadi pada suatu wilayah tertentu berdasarkan data pembacaan curah hujan maksimum harian yang ada di stasiun hujan terdekat. Dalam melakukan perhitungan terhadap hujan rencana dapat digunakan beberapa jenis distribusi.
Berikut merupakan jenis distribusi yang umum digunakan dalam melakukan perhitungan hujan rencana:
1) Distribusi normal secara umum dipakai pada suatu analisis hidrologi, misal dalam menganalisis frekuensi curah hujan, analisis statistik dari distribusi rata-rata curah hujan tahunan, debit rata-rata tahunan dan sebagainya. Distribusi normal atau kurva normal disebut pula distribusi Gauss (Soewarno, 1995).
2) Distribusi log normal adalah hasil transformasi dari distribusi normal, yaitu dengan mengubah nilai variant X menjadi nilai logaritmik variant (Soewarno, 1995).
3) Distribusi Gumbel Tipe I atau dapat disebut juga distribusi ekstrem tipe 1. Secara umum dipakai sebagai metode untuk menganalisis data maksiumum, misalnya frekuensi banjir (Soewarno, 1995). Gumbel mengatakan bahwa distribusi variabel-variabel hidrologi tak terbatas dan menggunakan distribusi dari harga-harga yang terbesar untuk meramalkan nilai-nilai terbesar yang akan datang selanjutnya (Soemarto, 1999).
4) Distribusi Log Pearson Tipe III dipakai untuk menganalisis variabel hidrologi terutama dalam melakukan analisis terhadap data maksimum seperti banjir serta analisis data minimum seperti debit minimum degan nilai ekstrem. Merupakan transformasi dari distribusi Pearson Tipe III dengan mengganti varian menjadi nilai logaritmik (Soewarno, 1995).
Analisis pengujian kecocokan sebaran perlu dilakukan untuk menguji kesesuaian (the goodness of fittest test) dari suatu distribusi frekuensi curah hujan dengan fungsi distribusi peluang terjadinya curah hujan yang diprediksi dapat merepresentasikan distribusi tersebut (Soewarno, 1995). Metode yang umum digunakan dalam pengujian ini merupakan uji Chi-Kuadrat dan Smirnov-Kolmogorov.
Uji chi-kuadrat merupakan pengujian terhadap perbedaan antara data sampel dan distribusi probabilitas. Prinsip yang digunakan pada metode ini adalah jumlah pengamatan yang diharapkan pada pembagian kelas serta ditentukan terhadap jumlah data pengamatan yang
50
terbaca di dalam kelas tersebut atau dengan membandingkan nilai chi kuadrat dengan nilai chi kuadrat kritis (Soewarno, 1995).
Uji Smirnov-Kolmogorov merupakan pengujian normalitas yang umum digunakan.
Keunggulan dari pengujian ini, yaitu pengujian ini relatif lebih sederhana dan tidak memunculkan silih persepsi oleh pengamat yang kerap terjadi pada uji normalitas dengan metode grafik. Prinsip dasar dari uji normalitas Smirnov-Kolmogorov adalah dengan membandingkan distribusi data (yang akan diuji normalitasnya) dengan distribusi normal baku. (Soewarno, 1995)
3.4.2.2 Raw DEM
Digital Elevation Model merupakan representasi digital dari elevasi permukaan tanah yang memiliki acuan beberapa datum yang tersebar. DEM biasanya digunakan untuk merepresentasikan permukaan topografi apapun dikarenakan DEM merupaan bentuk yang paling sederhana dari topografi. DEM dapat direpresentasikan sebagai data raster atau yang dikenal sebagai heightmap ketika merepresentasikan ketinggian dan juga Triangular Irregular Network (TIN).
Peta DEM yang digunakan dalam penelitian ini adalah peta DEM yang berasal dari DEMNAS dengan skala 1:25000. DEMNAS mempunyai resolusi spasial 0.27–arcsecond atau jika dikonversi ke dalam satuan meter yakni 8 meter, dengan sistem proyeksi Geodetik dan datum vertikal menggunakan EGM 2008. Data penyusun DEMNAS terdiri dari IFSAR (resolusi spasial 5 meter), TerraSAR–X (resolusi spasial 5 meter), dan ALOS PALSAR (resolusi spasial 11.25 meter), dengan menambahkan data Masspoint hasil stereo–plotting. DEMNAS digunakan karena memiliki resolusi yang cukup baik untuk wilayah Indonesia, serta dapat dengan mudah diakses secara gratis oleh penggunanya.
Peta DEM yang telah didapatkan perlu dilakukan pengolahan lebih lanjut. Pengolahan yang dilakukan dapat menggunakan bantuan aplikasi QGIS yang sudah dijelaskan pada bagian sebelumnya. Penggunaan QGIS dapat dilakukan untuk menggabungkan beberapa peta DEM menjadi 1 kesatuan dan juga memotong peta DEM yang ada menjadi sesuai dengan batasan DTA Riam Kiwa yang ada sehingga komputasi yang akan dilakukan nantinya akan menjadi lebih ringan, selain itu dengan aplikasi QGIS juga digunakan untuk melakukan koreksi DEM berupa Canopy Correctio, dan Hydraulically Corection.
51
Gambar 3-10 Prosedur Perbaikan DEM Secara Umum Sumber: Pengolahan Data, 2021
3.4.2.3 Geology Map
Peta geologi merupakan bentuk ungkapan data dan informasi geologi suatu daerah/wilayah/kawasan dengan tingkat kualitas berdasarkan skala. Peta Geologi digunakan untuk menentukan jenis Hydrological Soil Group dari kelompok A-D. Masing-masing jenis batuan/tanah memiliki nilai hydraulic conductivity yang berbeda-beda. Penentuan kelompok A hingga D dapat didasarkan pada nilai hydraulic conductivity yang dimiliki oleh kelompok tanah tersebut. Berdasarkan data hydraulic conductivity yang terdapat pada buku Groundwater (R. Allan Freeze, 1979). Klasifikasi hydrologic soil group tersebut dapat digunakan untuk merepresentasikan kemampuan infiltrasi atau penyerapan air ke dalam tanah.
Selain itu, hydrologic soil group juga akan berkaitan dengan input file lain berupa land use.
Klasifikasi hydrologic soil group akan memengaruhi besaran nilai dari nilai CN yang akan digunakan untuk merepresentasikan suatu jenis tutupan lahan tertentu. Nilai CN (runoff curve number) adalah nilai yang merepresentasikan potensi air larian untuk suatu besar curah hujan tertentu.
Peta geologi yang digunakan dalam penelitian ini adalah peta geologi yang dikeluarkan oleh Kementerian Energi dan Sumber Daya Mineral untuk DTA Riam Kiwa. Peta yang dikeluarkan oleh Kementerian ESDM ini memiliki skala 1:50000.
3.4.2.4 Land Use/Cover Map
Penutupan lahan dapat pula berarti tutupan biofisik pada permukaan bumi yang dapat diamati dan merupakan hasil pengaturan, aktivitas, dan perlakuan manusia yang dilakukan pada jenis penutup lahan tertentu untuk melakukan kegiatan produksi, perubahan, ataupun perawatan pada areal tersebut (SNI 7645, 2010). Peta tutupan lahan ini akan menunjukkan fungsi/peruntukan dari suatu lahan yang ada. Jenis tutupan lahan ini akan sangat mempengaruhi terhadap kekasaran dari lokasi tersebut terhadap air yang mengalir di atasnya sehingga akan memengaruhi debit yang akan lalu pada daerah tersebut. Nilai koefisien kekasaran tersebut disebut dengan nilai koefisien kekasaran manning.
52
Jenis tutupan lahan tersebut juga memiliki besaran nilai percent impervious cover yang berbeda untuk setiap jenis tutupan lahan tertentu. Persen dari impervious cover adalah rasio antara luas total persen dari impervious cover dan total luas dari jenis tutupan lahan tersebut.
Persen dari impervious cover dihitung untuk setiap jenis tutupan lahan.
Peta land use yang didapatkan dibutuhkan berbentuk shapefile yang juga diolah dengan menggunakan aplikasi QGIS. Jenis data ini akan digunakan pada HEC-RAS untuk memodelkan pada skala DTA Riam Kiwa sebagai input data Land Use yang berisi nilai Manning dan Percent Impervious, serta input data untuk data Infiltration Layer yang berisi Curve Number, Abstraction Ratio, dan Minimum Infiltration Rate yang juga bergantung dengan jenis tanah dalam DTA Riam Kiwa yang bersumber dari peta geologi pada bagian sebelumnya.
Gambar 3-11 Land Use Riam Kiwa Sumber: Hasil Pengolahan Data, 2021
3.4.2.5 Watershed and River Shapefile
Watershed (DAS) merupakan jenis satuan unit untuk analisis hidrologi dan hidrolika pada suatu kawasan. Batas DAS/DTA untuk analisis ini digunakan sebagai batas daerah (perimeter) yang akan membatasi daerah komputasi dalam melakukan permodelan dengan menggunakan HEC-RAS. Data ini didapatkan dengan bentuk shapefile dan bersumber dari BPDAS. Batasan yang digunakan dalam analisis ini adalah sesuai dengan batas dari DTA Riam Kiwa.
Gambar 3-12 Watershed Riam Kiwa Sumber: Hasil Pengolahan Data, 2021
53
River Shapefile adalah shapefile hasil digitasi dari kondisi alur sungai yang ada di dalam DTA Riam Kiwa. Alur sungai ini akan digunakan untuk menjadi breaklines pada HEC-RAS.
Breaklines akan berguna untuk membuat sungai yang ada pada Sub-Sub DAS menjadi lebih detail terbaca ketika dilakukan permodelan.
Gambar 3-13 Jaringan Sungai Riam Kiwa Sumber: Hasil Pengolahan Data, 2021